Nel mondo dell’hardware per l’intelligenza artificiale, l’attenzione è spesso monopolizzata da GPU, VRAM e tecniche di quantization. Meno visibile, ma altrettanto determinante per le prestazioni di un cluster on-premise, è il livello fisico dell’interconnessione ottica. Ed è qui che i substrati di fosfuro di indio (InP) si stanno imponendo come un asset strategico, mentre la catena di fornitura dei motori ottici si prepara a un rimescolamento profondo.

I motori ottici sono il cuore dei moduli transceiver che collegano server e nodi GPU all’interno dei datacenter. Con l’adozione di collegamenti a 800G e l’avvicinarsi del 1.6T, i materiali tradizionali come il silicio mostrano limiti fisici nella modulazione ad alte frequenze. L’InP, invece, permette di realizzare laser e modulatori a elettroassorbimento con efficienza energetica superiore e larghezze di banda più estese, elementi indispensabili per sostenere il traffico est-ovest generato dal training distribuito di large language models. In un contesto on-premise, dove ogni watt conta e la latenza tra nodi può diventare il collo di bottiglia, la disponibilità di queste componenti non è un dettaglio: incide direttamente sul total cost of ownership e sulla scalabilità del progetto.

La notizia che i substrati InP stiano diventando un asset strategico segnala un mutamento nei rapporti di forza lungo la filiera. Storicamente, la produzione di wafer InP è rimasta concentrata in poche fonderie, convolumi ridotti e costi elevati. L’esplosione dell’AI ha improvvisamente moltiplicato la domanda, attirando nuovi attori e spingendo i fornitori a rivedere contratti e priorità. Questo rimescolamento può avere almeno due effetti di secondo ordine. Il primo: un’eventuale integrazione verticale da parte dei grandi hyperscaler, che potrebbero blindare le forniture per i propri datacenter cloud, lasciando agli operatori on-premise volumi residuali a prezzi meno competitivi. Il secondo: uno stimolo a diversificare le tecnicie, accelerando lo sviluppo di alternative come la fotonica al silicio o gli amplificatori ottici a semiconduttore, che potrebbero ridurre la dipendenza dall’InP e, nel medio termine, riequilibrare il mercato.

Chi perde, nell’immediato, è l’organizzazione che pianifica un deployment on-premise su larga scala senza aver mappato il rischio di approvvigionamento della componentistica ottica. In un progetto di training che richieda centinaia di nodi interconnessi, l’indisponibilità o il ritardo nella consegna dei transceiver può far slittare l’intero investimento, erodendo il vantaggio competitivo del controllo diretto dell’infrastruttura. Chi vince, invece, sono i fornitori di apparati di rete che già integrano la produzione di motori ottici o che hanno accordi di lungo termine con le fonderie InP. Il loro potere negoziale cresce, così come la capacità di dettare roadmap e prezzi.

Queste dinamiche non riguardano solo gli addetti ai lavori del networking. L’intero ecosistema dell’AI on-premise — dai system integrator agli sviluppatori di software di orchestrazione — dovrebbe iniziare a tracciare la disponibilità di motori ottici con la stessa attenzione riservata alle GPU. La sovranità dei dati e il controllo operativo, pilastri del self-hosted, si costruiscono anche su strati hardware che oggi appaiono periferici ma che domani potrebbero diventare il punto di strozzatura della supply chain.